SONG：用于社交导航基准测试的逼真 3D 高斯仿真平台

社交导航已经从简化的 2D 环境发展到更通用的基于视觉的环境，其中机器人需要纯粹通过机载视觉观察来实现社交顺从行为。然而，支持模拟平台并没有跟上步伐：现有的选项要么缺乏视觉观察，要么缺乏移动的人类化身，要么在外观和行人行为方面达不到现实世界的保真度，为推进基于视觉的社交导航提供的支持有限。我们推出 SONG，这是一个由 3D 高斯分布 (3DGS) 提供支持的社交导航平台。它利用 3DGS 进行场景和头像表示，使用 大语言模型 生成的语义基础轨迹驱动行人，并使用轨迹调节生成器合成他们的全身运动，以产生连续、自然的运动。在平台之上，我们策划了 SONG-Bench，这是一组按难度分层的评估片段，并提出了涵盖有效性、安全性和社会合规性的多维度指标套件。对代表性导航基线的系统评估揭示了三个发现：（a）基于视觉的社交导航远未得到解决； (b) 严重的安全缺陷先于社交礼仪； (c) 现实世界的数据比模型规模更重要。至关重要的是，我们证明 微调 在我们策划的数据上有效提高了现实环境中的成功率。我们希望我们的平台为下一代基于视觉的社交导航研究提供忠实而严格的测试平台。